در این رساله تلاش شده است تا متاآنالیز از دیدگاه پارامتری مورد بررسی قرار گیرد. بدین منظور ابتدا به بررسی دو مدل متاآنالیز، مدل با اثرات ثابت و تصادفی، به ترتیب برای بیان همگنی و ناهمگنی در بین مطالعات پرداخته شده، سپس در ادامه بررسی روشهای مقابله با اریبی انتشار، که هدف اصلی این رساله می باشند دنبال می شود. در این راستا به تحلیل بیشتر متاآنالیز سیزده مطالعه سیساپرید مربوط به هارتانگ و نپ پرداخته و برآورد متاآنالیزی آنها، در زمینه اریبی انتشار با استفاده از روش تریم فیل و توزیع وزنی تصحیح شده است.

بررسی داده های گمشده از کاربردی ترین قسمت های آمار در علوم کاربردی است. تحلـیل های آماری و مدل سـازی برای این نوع داده ها از دیر باز مورد توجه آماردانان قرار گرفته و همواره به دنبال روش های بررسی و تجزیه و تحلیل مناسب تر در این مطالعات بوده اند. در این پایان نامه بررسی هایی در راستای این مطالعات انجام گرفته که در آن پاسخ های ترتیبی در طول زمان تکرار شده اند. تکرار در زمان برای مقادیر پاسخ منجر به تحلیل های طولی گردیده و با توجه به خواص و مزایای مطالعات طولی از جمله ارتباط بین گذشته و حال در این نوع فرآیندها، مدل سازی های پیچیده ایی برای این نوع متغیرها ارائه شده است. در این مطالعات، چنانچه ارتباط بین متغیرها در طول زمان نادیده گرفته شود، مشکلات آماری ایجاد می گردد. معمولاً این ارتباط به وسیله اثر تصادفی نمایش داده می شود، بنابراین توزیع اثر تصادفی نقش کلیدی در این نوع مطالعات بازی می کند. هر چند در نظر گرفتن اثر تصادفی باعث کارایـی استنباط آماری مـی گردد اما پیچیـدگی های مدل آماری را افزایش می دهد، بنابراین انتخاب توزیع اثر تصادفی به فرمی که بتواند همبستگی بین مشاهدات در طول زمان را به نحوی مطلوب کنترل نماید اهمیت فراوانی دارد. در مطالعات طولی وقتی که متغیر پاسخ یک متغیر تصادفی ترتیبی باشد توزیع اثر تصادفی را نرمال در نظر می گیرند، اما توزیع نرمال چوله ای که توسط آزالینی(1985) ارائه شد از لحاظ خواص و کارایی بهتر از توزیع نرمال است. این توزیع دارای یک پارامتر تنظیم چولگی است که اگر این پارامتر صفر شود توزیع نرمال خواهد شد. در این پایان نامه به بررسی آخرین مدل های اثرات تصادفی برای داده های گمشده غیر قابل اغماض پرداخته شده و برای حالتی که اثر تصادفی دارای توزیع نرمال چوله باشد به بحث و بررسی و ارائه مدل پرداخته ایم و در نهایت خواص پارامترهای مدل به دست آمده را با داده های شبیه سازی مورد بررسی قرار دادیم.

در بسیاری از کاربردهای علم آمار در تجزیه و تحلیل ریسک داده های مالی، نظریه تصمیم و غیره نیاز به مدل بندی کمیت های غیر محتمل چندگانه را پر رنگ تر و مهم تر می سازد. شبکه-های بیزی و تابع های مفصل دو رهیافت خیلی رایج در مدل بندی توأم کمیت های غیر محتمل بوسیله توزیع های احتمالی آنها می باشد. در این رساله به معرفی روش های جدید در زمینه توابع مفصل که با توسط مطالعات کوک، بدفورد، کورویکا، دانش خواه و دیگران بر روی مدل واین به عنوان رهیافتی برای ساختن توزیع ها با بعد بالا صورت گرفته است، می پردازیم. این رساله یک روش پایه ای تقریبی را فراهم می سازد و نشان می دهیم که هر چگالی را با هر درجه ای از تقریب توسط یک مدل واین می توان تقریب زد. علاوه بر آن نتایج بدست آمده را عملی می سازیم با نشان دادن اینکه چگونه تابع های مفصل با کمترین اطلاع می تواند برای ایجاد رده های پارامتری از تابع های مفصل که دارای سطوح خیلی خوبی از تقریب می باشند بکار رود. سپس این مدل ها را بر اساس اطلاعات دریافت شده از فرد متخصص و یا داده های نمونه ای مورد ارزیابی قرار می دهیم و در پایان، مدل ارائه شده در این رساله را به داده های مالی ایران (2007-1991) همچون تورم، درآمد نفتی، مصرف کل و تولید ناخالص داخلی برازش می دهیم. همچنین در این پایان نامه، علاوه بر پایه های چند جمله ای که جهت تقریب زدن توزیع چند متغیره بکار می رود از پایه های فوریه متعامد یکه که عملکرد بهتری نسبت به پایه های چند جمله ای دارد، مورد استفاده قرار می گیرد.

نمونه گیری وزنی هنگامی مناسب است که هر مشاهده با شانسی متناسب با یک تابع وزن نامنفی از اندازه آن مشاهده ثبت می شود. نمونه وزنی یک نمونه تصادفی از توزیع اصلی جامعه نیست بلکه نمونه ای تصادفی از یک توزیع جدید موسوم به توزیع وزنی است. در این پایان نامه ابتدا به معرفی توزیع وزنی پرداخته و سپس خانواده نمایی وزنی معرفی و ویژگی پایایی در این خانواده بررسی می شود. در ادامه برآورد بیزی پارامترها در خانواده نمایی وزنی را با استفاده از روش نمونه گیری گیبس بدست آورده می شوند. و به عنوان یک کاربرد، نمونه گیری وزنی برای متوسط تعداد نسخه های پزشکان متخصص شهر اهواز در ماه به کار رفته و پارامتر تابع وزن به روش بیزی برآورد می شود. سپس مسئله آزمون فرض بیزی تحت نمونه گیری وزنی در خانواده نمایی وزنی تک پارامتری بررسی می شود. در پایان استواری بیزی با استفاده از روش ?-واگرایی تحت نمونه گیری وزنی با پارامتر وزن معلوم بررسی می شود.

اریبی پاسخ جامعه پسند یک مسئله ی بزرگ در مطالعات شامل سوالات حسّاس است. علت به وجود آمدن این اریبی این است که افراد در مواجهه با سوالات حسّاس به نشان دادن چهره ای مثبت از خود مبادرت می ورزند. روش پاسخ تصادفی شده یکی از روش هایی است که برای چیره شدن بر اریبی جامعه پسندی ابداع شده است. در این پایان نامه ابتدا به معرفی چند روش برای چیره شدن بر این اریبی پرداخته شده است. سپس مروری بر مدل های پاسخ تصادفی شده ی کامل و جزئی شده است. در ادامه مدل های پاسخ تصادفی شده ی اختیاری کمّی معرفی و خواص مدل پاسخ تصادفی شده ی اختیاری دو مرحله ای با استفاده از نتایج شبیه سازی بررسی شده است. سپس چند مدل پاسخ تصادفی شده ی کمّی پیشنهاد و نتایج شبیه سازی برای یک مدل پیشنهادی آورده شده است.در پایان به عنوان کاربردی از مدل های پاسخ تصادفی شده ی کمّی، با استفاده از دو مدل پاسخ تصادفی شده ی اختیاری دو و سه مرحله ای،میانگین درآمد سرپرست خانوارهای دانشجویان دانشگاه شهید چمران اهواز برآورد شده است.

در بسیاری از آمارگیری های نمونه ای متغیر های مورد علاقه دارای ماهیت حساس هستند. از جمله این موارد مبحث تقلب در امتحانات است که برای اکثر دانشجویان، موضوعی بسیار حساس می باشد. در اغلب موارد افراد به سوالی که مستقیماً در این باره از آن ها پرسیده شود، پاسخ هایی غیر واقعی و نادرست می دهند و یا از پاسخ دادن امتناع می ورزند. وارنر در سال 1965 برای برآورد نسبت های حساس روش پاسخ تصادفی شده را معرفی کرد. تاکنون روش های تصادفی شده مختلفی برای برآورد نسبت های حساس توسط محققین ارائه گردیده است. در این پایان نامه برخی از روش های تصادفی شده را معرفی خواهیم کرد و سپس براساس تکرار روش گرین برگ و همکاران (1969) روشی جدید از پاسخ های تصادفی شده معرفی می گردد و با استفاده از آن نسبت تقلب دانشجویان دانشگاه شهید چمران اهواز برآورد می شود.

نیکوتین اثرات متفاوتی بر اضطراب دارد: مقادیر زیاد و کم نیکوتین به ترتیب اثر اضطرابزایی و اثر ضد اضطرابی دارد. از سوی دیگر، هورمون تستوسترون اضطراب را کاهش می دهد و سیستم گاباارژیک نقش مهمی در رفتار اضطرابی دارد. هدف از مطالعه حاضر تعیین دخالت گیرنده های گابا- aدر اثر تستوسترون بر رفتار اضطرابی ناشی از نیکوتین بود.

مطالعه نسبت، نرخ و سهم ها موضوع رایجی است که در بسیاری از زمینه ها مطالعه می شود. معمولاً برای مطالعه ی نسبت در چنین مواقعی از توزیع بتای استاندارد استفاده می شود. در بسیاری از موارد داده های نسبت، شامل تعداد قابل توجهی صفر یا یک و یا هر دو هستند، در چنین مواردی، توزیع های پیوسته برای مدل بندی مناسب نیستند و استفاده از توزیع های آماسیده توصیه می شود. از طرفی، در بررسی های نمونه ای ممکن است داده های مشاهده شده یک نمونه ی وزنی ازتوزیع بتای آماسیده باشند، در این صورت چنین مشاهداتی دارای توزیع وزنی بتای آماسیده هستند. در این پایان نامه توزیع بتای آماسیده وزنی با وزن های اریب اندازه، بریده و چند وزن خاص دیگر بررسی شده و برخی از خواص آن بیان شده است. همچنین برآورد پارامترهای مدل به دست آورده می شود. هنگامی که شکل بسته برای برآوردها به دست نمی آید از روش های عددی برآوردها محاسبه و با استفاده از شبیه سازی به ارزیابی آن ها پرداخته می شود. در پایان کاربردی ازآن ها درچند مثال آورده می شود.

در بسیاری از نظرسنجی های نمونه ای، متغیر های مورد علاقه دارای ماهیت حساس هستند که از آن جمله می توان به موضوع استعمال سیگار در بین دانشجویان اشاره کرد. در اغلب موارد افراد به سوالی که مستقیماً در این باره از آن ها پرسیده شود، پاسخ هایی غیر واقعی و نادرست می دهند و یا از پاسخ دادن امتناع می ورزند. وارنر در سال 1965 برای برآورد نسبت های حساس روش پاسخ تصادفیده را معرفی کرد. روش پاسخ تصادفیده این امکان را می دهد علاوه برامنیت پاسخ دهنده، برآوردی با کارایی مناسب تر در پاسخ به سوال حساس مطرح شود. تاکنون روش های تصادفیده مختلفی برای برآورد نسبت های حساس توسط محققین ارائه گردیده است که در این پایان نامه برخی از روش های تصادفیده را معرفی خواهیم کرد و سپس مدل پاسخ تصادفیده برای سوال حساس براساس رگرسیون لجستیک بررسی می شود. در پایان برآورد رگرسیون لجستیک تعداد کل سیگاری ها در دانشگاه غیرانتفاعی خراسان رضوی با استفاده از روش گرینبرگ بدست می آید.